Dans son annonce du 21 octobre 2026, NVIDIA a indiqué que Google Cloud prévoyait la disponibilité générale des instances A5X pour novembre 2026, ainsi qu’une extension en Europe. A5X associe le système NVIDIA Vera Rubin NVL72, des ConnectX-9 SuperNICs, le réseau Virgo Network de Google Cloud et un refroidissement liquide avancé de quatrième génération.
Les composants annoncés pour A5X
Google Cloud A5X est conçu pour l’entraînement, l’inférence et l’apprentissage par renforcement à grande échelle. L’annonce cite quatre éléments de calcul, de réseau et de refroidissement :
| Partie du système | Composant | Rôle annoncé |
| Calcul | NVIDIA Vera Rubin NVL72 | Système de calcul au cœur d’A5X |
| Réseau | NVIDIA ConnectX-9 SuperNICs | Réseau de l’infrastructure |
| Réseau | Google Cloud Virgo Network | Réseau de Google Cloud intégré à A5X |
| Refroidissement | Refroidissement liquide avancé de quatrième génération de Google Cloud | Refroidissement de l’infrastructure |
Les premiers usages cités par NVIDIA
NVIDIA a désigné Ineffable Intelligence comme le premier client à accéder à A5X. L’entreprise utilise la plateforme pour ses travaux d’apprentissage par renforcement à grande échelle.
WPP a présenté une architecture d’agents créatifs sur A5X avec des modèles NVIDIA Nemotron et OpenShell. Selon WPP, ses premiers essais ont fait tourner sur une seule instance A5X des charges de travail qui nécessitaient habituellement un cluster de plusieurs nœuds. Son flux de création comprend la génération, la mise à l’échelle et la transformation stylistique de vidéos, avec une approbation humaine avant exécution. OpenShell fournit des environnements contrôlés pour gérer l’accès des agents aux outils créatifs et aux ressources de marque sensibles.
Ce que recouvrent les comparaisons de performance
Les chiffres de comparaison disponibles concernent la plateforme NVIDIA Vera Rubin NVL72, pas des essais d’instances A5X. Le 6 janvier 2026, The Next Platform rapportait que NVIDIA revendiquait, face à Grace-Blackwell NVL72, un coût par jeton 10 fois inférieur pour l’inférence de modèles à mélange d’experts (MoE) et quatre fois moins de GPU pour entraîner ces modèles.
Une baisse du nombre de GPU ne se traduit pas nécessairement par une baisse proportionnelle du coût total du système. Ces comparaisons de plateforme ne mesurent donc pas les performances d’A5X dans Google Cloud.
Le plan d’échelle et la portée de DSX MaxLPS
Google Cloud prévoit de déployer progressivement son infrastructure Vera Rubin sur plusieurs sites, avec un objectif pouvant atteindre 960 000 GPU. Ce chiffre décrit le plafond visé par le plan, pas un parc déjà accessible aux clients.
Google Cloud et NVIDIA disent également explorer DSX MaxLPS pour l’infrastructure Vera Rubin. Dans une vidéo en anglais consacrée à son architecture plus large pour les usines d’IA, NVIDIA affirme que DSX MaxLPS utilise 30 % d’énergie en moins pour une même production. Cette affirmation concerne DSX MaxLPS, et non une mesure des instances A5X.
